Spark 中：窄依賴：上游 RDD 流向至多一個下游 RDD ；寬依賴：上游 RDD 流向多個下游 RDD 。
這里的寬和窄，說的是當前節點流向下游節點，當前節點數據是否會分區變多份。
寬依賴往往需要 shuffle 操作，stage 會增加。寬依賴導致當前節點分區，可
能增加數據傳輸量，下游故障導致當前整個 RDD 重新計算，浪費。不同算子產生
相應的寬窄依賴。
Flink 中也有 stage 的概念，叫 task，多個算子合成一個 task，合成條件要滿足：
- 上下游的並行度一致
- 下游節點的入度為1 （也就是說下游節點沒有來自其他節點的輸入）
- 上下游節點都在同一個 slot group 中（下面會解釋 slot group）
- 下游節點的 chain 策略為 ALWAYS（可以與上下游鏈接，map、flatmap、filter等默認是ALWAYS）
- 上游節點的 chain 策略為 ALWAYS 或 HEAD（只能與下游鏈接，不能與上游鏈接，Source默認是HEAD）
- 兩個節點間數據分區方式是 forward（參考理解數據流的分區） 用戶沒有禁用 chain